PEMANFAATAN METODE TOPIC MODELLING HIERARCHICAL DIRICHLET PROCESS DALAM MENGEVALUASI KUALITAS KONTEN WEBSITE BERDASARKAN ULASAN PENGGUNA
Isi Artikel Utama
Abstrak
Evaluasi konten website penting dilakukan untuk memastikan bahwa konten yang disajikan sesuai dengan kebutuhan dan preferensi pengguna. Hal ini dapat dilakukan melalui menganalisis hasil ulasan pengguna terhadap konten website. Penelitian ini memanfaatkan metode HDP dalam mengidentifikasi topik-topik utama secara otomatis dari ulasan 32 pengguna dan menghasilkan tiga topik utama yang paling sering muncul ‘bagus’, ‘bug’, ‘update’. Dengan menggunakan kerangka kerja OSEMN, evaluasi akhir menunjukkan bahwa topik 'bagus' memiliki nilai cosine similarity tertinggi dibandingkan dengan topik lainnya. Hal ini menandakan bahwa aspek positif dalam ulasan pengguna tentang kualitas konten website mendominasi dan memiliki kesamaan yang signifikan di antara ulasan-ulasan tersebut. Temuan ini memberikan wawasan yang penting dalam memahami evaluasi pengguna terhadap kualitas konten website dan dapat menjadi dasar untuk perbaikan konten yang lebih efektif dan terarah ke depannya.
Unduhan
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:
- Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Referensi
I. Sutherland, Y. Sim, S. K. Lee, J. Byun, and K. Kiatkawsin, “Topic Modeling of Online Accommodation Reviews via Latent Dirichlet Allocation,” Sustainability, vol. 12, no. 5, p. 1821, Feb. 2020, doi: 10.3390/su12051821.
A. Djuraidah, B. Sartono, and Y. Putranto, “Topic Modelling and Hotel Rating Prediction based on Customer Review in Indonesia,” International Journal of Management and Decision Making, vol. 20, no. 1, p. 1, 2021, doi: 10.1504/IJMDM.2021.10036033.
M. L. C. Chilmi, “Latent Dirichlet Allocation (LDA) untuk Mengetahui Topik Pembicaraan Warganet Twitter tentang Omnibus Law,” Jakarta, 2021.
H. Jelodar et al., “Latent Dirichlet Allocation (LDA) and Topic modeling: models, applications, a survey.”
I. Vayansky and S. A. P. Kumar, “A review of topic modeling methods,” Inf Syst, vol. 94, p. 101582, Dec. 2020, doi: 10.1016/j.is.2020.101582.
K. Jeong and Y. Kim, “Dynamic hierarchical Dirichlet processes topic model using the power prior approach,” J Korean Stat Soc, vol. 50, no. 3, pp. 860–873, Sep. 2021, doi: 10.1007/s42952-021-00129-1.
H. Zhang, S. Huating, and X. Wu, “Topic model for graph mining based on hierarchical Dirichlet process,” Stat Theory Relat Fields, vol. 4, no. 1, pp. 66–77, Jan. 2020, doi: 10.1080/24754269.2019.1593098.
H. Mason and C. Wiggins, “A Taxonomy of Data Science.” Accessed: Nov. 07, 2023. [Online]. Available: http://www.dataists.com/2010/09/a-taxonomy-of-data-science/
C. H. Lau, “5 Steps of a Data Science Project Lifecycle,” Towards Data Science. Accessed: Nov. 07, 2023. [Online]. Available: https://towardsdatascience.com/5-steps-of-a-data-science-project-lifecycle-26c50372b492
M. Grootendorst, “BERTopic: Neural topic modeling with a class-based TF-IDF procedure,” Mar. 2022, [Online]. Available: http://arxiv.org/abs/2203.05794
L. George and P. Sumathy, “An integrated clustering and BERT framework for improved topic modeling,” International Journal of Information Technology, vol. 15, no. 4, pp. 2187–2195, Apr. 2023, doi: 10.1007/s41870-023-01268-w.
H. Zhang, S. Huating, and X. Wu, “Topic model for graph mining based on hierarchical Dirichlet process,” Stat Theory Relat Fields, vol. 4, no. 1, pp. 66–77, Jan. 2020, doi: 10.1080/24754269.2019.1593098.